STUDIA SLAVICA, Ostravska Univerzita, Ostrava 2013

LINGWISTYCZNA ANALIZA FREKWENCYJNA

W BADANIACH SEMIOTYCZNYCH I RYNKOWYCH

Rafał Paprocki

Title: Linguistic frequency analysis in semiotic and market research

Abstract: The aim of this paper is to display a conceptual and methodological framework for

linguistic frequency research by drawing on the discipline of corpus linguistics accompanied

by the original proposal of the author’s solution within the field. Upon a critical review of

existing research conducted in Poland and in English speaking countries, the article suggests

the strong need for implementation of modern IT technologies in order to derive semantic

content from the Internet communication, as well as from traditional sources, such as books,

magazines, newspapers, etc. The text mining method proposed by the author is based upon the

combination of traditional frequency dictionaries linked with website browsers in order to

derive particular meanings of words from streams of everyday communication. The article

introduces the term freqsem, providing the thorough description of its use within the method

in question. By drawing on the ways the contemporary linguistic frequency analysis can be

used the paper addresses how language and daily communication can serve as a collection of

hidden and deeply interlacing, yet decodable meanings. The article attempts at presenting the

linguistic frequency technology as an innovative tool aimed at supporting semiotic and market

research.

Key words: corpus linguistics, pragmalinguistics, frequency analysis, semiotic research,

market research, freqsem

§1. Użytkownicy i badacze języka polskiego dysponują obecnie tylko jednym ogólnym

słownikiem frekwencyjnym, którego korpus pochodzi z lat 1963-1967 (Kurcz, Lewicki,

Sambor, Szafran, Woronczak 1990: VIII) i jak sami autorzy przyznali, reprezentatywność

materiałów źródłowych już według standardów obowiązujących w 1990 roku, czyli

w momencie wydania publikacji, pozostawiała wiele do życzenia (Kurcz, Lewicki, Sambor,

Szafran, Woronczak, ibid.: VIII-IX). Braki te wynikały z wieku pobranej próby oraz stopnia

aktualności jej korpusów składowych. Były one również pochodną ograniczeń technicznych,

które wynikały głównie z relatywnie skromnych możliwości indeksowania i przetwarzania

danych. Zwłaszcza postęp w dziedzinie pozyskiwania, gromadzenia i cyfrowej obróbki

danych poprawił sytuację dzisiejszego badacza w stopniu diametralnym.

Dla zobrazowania skali statystycznych badań językoznawczych prowadzonych obecnie

w Anglii i USA nad językiem angielskim, warto przytoczyć następujące dane:

- korpus współczesnej amerykańskiej angielszczyzny „COCA” składa się z 450 milionów

słów, zebranych w latach 1990-20121,

- korpus języka angielskiego „Oxford English Corpus” zawiera ponad 2 miliardy słów,

wybranych z zasobów tworzonych przez użytkowników tego języka na całym świecie2,

- „Google Books Interface” umożliwia selektywny dostęp do 155 miliardów słów w samej

tylko bazie danych dotyczących amerykańskiej angielszczyzny (dostępny jest tamże również

szereg innych baz danych leksykalnych)3.

Powyższe dane, podane skrótowo i w ogólnym zarysie, dotyczą wybranych systemów

frekwencyjnej obróbki tekstu pod kątem morfologiczno-leksykalnym. Systemy te traktują

słowa jako jednostki bilateralne, czyli jako formy będące nośnikiem określonych znaczeń.

Komunikowanie treści znaczeniowej odbywa się zarówno poprzez odniesienie do funkcji

jednostki w tekście (gramatyka), jak i rzeczywistości pozajęzykowej (semantyka).

Wzmiankowane systemy statystycznych badań językoznawczych umożliwiają m.in. takie

funkcje, jak: szeregowanie znajdujących się w rejestrach słów według części mowy,

identyfikowanie słów w towarzyszących im kontekstach, określanie najbardziej typowych

kolokacji, wyszukiwanie synonimów badanych słów, porównania sposobów użycia słów

w obrębie języka mówionego i pisanego, analiza frekwencyjna słów w obrębie gatunków

literackich oraz pod względem wycinka czasowego, w którym powstawały zgromadzone w

korpusach teksty.

§2. Rozwiązania proponowane w niniejszym opracowaniu podyktowane są chęcią

uzupełnienia instrumentarium mogącego służyć rozwojowi badań korpusowych w Polsce.

Jednocześnie, są one próbą wyjścia naprzeciw opinii, iż „w językoznawstwie polskim dość

szeroki jest konsensus co do potrzeby włączenia problematyki społeczno-kulturowego

podłoża międzyludzkiej komunikacji do centrum zainteresowań językoznawczych. Ów

konsensus sprowadza się do postulatu uczynienia przedmiotem badań językoznawczych

człowieka jako użytkownika języka, człowieka tworzącego społeczność komunikacyjną, która

1 [Online]. Protokół dostępu: http://corpus.byu.edu/coca/, [dostęp: 15.04.2013].

2 [Online]. Protokół dostępu: http://oxforddictionaries.com/words/about-the-oxford-english-corpus,

[dostęp: 15.04.2013]. 3 [Online]. Protokół dostępu: http://googlebooks.byu.edu/?x=3503486&c=us, [dostęp: 15.04.2013].

zawsze odznacza się specyficznym porządkiem symbolicznym, przekładającym się na

określony porządek poznawczy” (Kajfosz 2009: 7). Pochodnym zainteresowaniom

językoznawców celem utylitarnym artykułu jest dostarczenie narzędzia wspomagającego

analizę zachowań komunikacyjnych do zastosowań w polu badań rynkowych,

w szczególności dotyczących zachowań konsumentów. Potrzeba takiego wykorzystania badań

lingwistycznych implikowana jest przez zmiany zachodzące obecnie w sferze działalności

gospodarczej, na której coraz silniejsze piętno wyciska zjawisko globalizacji. Wzory i wzorce

konsumpcji podlegają dynamicznej migracji i wymianie międzykulturowej, stąd chęć

zrozumienia specyfiki oddziałujących na siebie kultur właśnie przez pryzmat języka

i sposobów komunikacji rozumianych jako nośnik informacji kluczowych dla skutecznej

działalności gospodarczej.

„Podstawowa teza współczesnych teorii narracji sprowadza się do stwierdzenia, że

doświadczenie organizowane jest według tego samego systemu, którym kieruje się

fabularyzacja” (Kajfosz, ibid.: 9). Aby więc wydobyć struktury poznawcze, dzięki którym

światotwórcza rola języka odpowiada sposobom organizowania doświadczeń w wymiarze

typowym dla danej kultury czy środowiska, należy poddać badaniu teksty w odpowiadających

tymże doświadczeniom wymiarach. Jak zatem ludzkie doświadczenie cechuje różnorodność

pod względem okoliczności, w których ma ono miejsce, tak i relacje z owych doświadczeń

należy rozpatrywać pod kątem rozmaitych dyskursów, w obrębie których przebiega

komunikacja, odzwierciedlając i nadając światu oraz doświadczeniom określony sens.

Za punkt wyjścia do badań nad językiem jako zjawiskiem charakteryzującym strukturę

ludzkiego doświadczenia obrano głównie dane znajdujące się na stronach internetowych,

będące najobszerniejszym obecnie źródłem szerokodostępnej informacji. Internet jest

źródłem dużej ilości rozległej tematycznie informacji4 dostępnej badaczowi w jednym

miejscu (wysoka dostępność i dogodność). Poza tym, Internet jest źródłem danych

językowych (korpusem tekstów), które są aktualizowane na bieżąco. Przez to może on być,

zgodnie z założeniami proponowanego tutaj rozwiązania, użyty do monitorowania dynamiki

zmian dokonujących się w sferze zachowań językowych i odpowiadających im wzorów

zachowań (w tym konsumpcji). Pomimo istniejących ograniczeń dostępu do Internetu i różnej

aktywności jego użytkowników5 stanowi on okazję do wglądu w język en masse

6. Jako taki,

rozpatrywany jest on jako zbiór znaków, których wzajemne powiązania dają się poprzez

4 [Online]. Protokół dostępu: http://www.internetworldstats.com/stats.htm, [dostęp: 15.04.2013].

5 [Online]. Protokół dostępu: http://www.stat.gov.pl/cps/rde/xbcr/gus/PTS_Dwie_Polski_D_Batorski.pdf.

[dostęp: 15.04.2013]. 6 [Online]. Protokół dostępu: http://webhosting.pl/Co.sie.dzialo.w.Internecie.w.2010.roku. [dostęp: 15.04.2013].

wyszukiwarki i przeglądarki stron www zestawiać i jako relacje - identyfikować w szerokim

spektrum znaczeniowym. W przypadku eksploracji nieustrukturalizowanych źródeł

tekstowych należy brać pod uwagę problem dysambiguacji, dostępne są jednak narzędzia

umożliwiające choć częściowe jego rozwiązanie (Szymański, Błaszczyk, Chełmecki 2007:

1-6).

Źródłem informacji dla badaczy może być zresztą dowolny korpus danych językowych.

W przypadku komunikacji przebiegającej w obrębie sieci www, możliwa jest różnorodna

selekcja danych na bazie wyodrębnionych dyskursów (zawężenie analiz do takich rodzajów

komunikacji, jak fora tematyczne, grupy dyskusyjne, portale, serwisy społecznościowe, etc.),

segmentów (użytkownicy zamieszkujący określony region, poszczególne grupy wiekowe,

osoby z określonym wykształceniem, etc.) lub okresów (określone wycinki czasowe dla

zasygnalizowanych powyżej dyskursów lub segmentów). Rozpatrując bazy tekstów

istniejących w formie drukowanej (książek, czasopism), badaniu można poddać materiały

wydzielone pod kątem profili tematycznych lub zawartości (wydawnictwa poświęcone

określonej tematyce, publikacje na wybrany temat, etc.) lub autorstwa (teksty pochodzące od

określonych autorów, dzieła zebrane). Analogicznie do baz internetowych, publikacje

fizyczne można selekcjonować w przekroju czasowym oraz porównywać wybrane okresy,

roczniki, etc.

Chcąc więc uzyskać wgląd w strukturę frekwencyjną twórczości Szekspira, należałoby

zbadać powiązania interesujących analityka słów w zestawieniu z innymi słowami, które im

towarzyszą. Otwierając dyskusję na temat poruszanej tutaj problematyki można powiedzieć,

iż chcąc zbadać występujące u Szekspira słowo CZAS, należy w dziełach zebranych pisarza

wyodrębnić różnego rodzaju interesujące analityka powiązania pomiędzy „czasem”, a innymi

słowami, a następnie uporządkować uzyskane wyniki w odpowiedniej kolejności pod kątem

częstości ich występowania (np. w stosie malejącym). Tak uzyskana lista będzie wskazywać z

jednej strony na słowa, które w pracach wspomnianego autora najczęściej towarzyszą

„czasowi”. Z drugiej zaś strony, właśnie wskazanie na charakterystykę częstotliwość-

styczność wyodrębnionych powiązań być może pozwoli na wgląd w znaczenia, które zostały

nadane badanemu słowu w analizowanym tekście.

Za podstawę do stworzenia metody tak prowadzonych badań mogą posłużyć zbudowane na

podstawie słowników frekwencyjnych listy słów, które wskazują na częstotliwość

występowania określonego leksemu w danym (w tym przypadku- polskim i angielskim)

języku7. Słownik frekwencyjny jest „językowym odbiciem rzeczywistości(…)rodzajem

gigantycznego sondażu opinii publicznej, nie zawierającego wprawdzie odpowiedzi na

konkretne pytania, ale przedstawiającego obszernie pewną epokę historyczną i mentalność

konkretnej społeczności językowej(…)pokazującym konkretne społeczeństwa uwikłane w

konkretną sytuację polityczną, ideologiczną, materialną” (Pawłowski 1999: 82-83).

Relewantność słowników frekwencyjnych w proponowanym rozwiązaniu może być oceniana

m.in. pod kątem ich aktualności, gdyż „o ich (a)historyczności decyduje przede wszystkim

dobór badanych haseł czy grup tematycznych oraz przyjęta perspektywa badawcza”

(Pawłowski, ibid.: 83). ale również ze względu na wyżej wymienione aspekty przestrzenne i

środowiskowe. Ma to szczególne znaczenie w przypadku badań segmentacyjnych, w których

jednym z kryteriów miarodajności analizy jest zawężenie badanej grupy (społeczności

komunikacyjnej) w celu wyodrębnienia przez badacza interesującego go dyskursu.

Dyskursywne obrazy (świata, słowa, rynku, produktu) będą się różnić w zależności od

tworzących je i pozostających pod ich wpływem wspólnot komunikacyjnych.

Celowośc czerpania ze słowników frekwencyjnych wynika z potrzeby wyodrębnienia

elementów (słów) najbardziej typowych dla danego języka, co ma za zadanie zwiększyć

stopień reprezentatywności zgromadzonego zbioru danych względem zjawisk

przebiegających w obrębie danego języka naturalnego. Posiłkując się przykładem badań nad

językiem angielskim, operując na zbiorze 4000-5000 słów o najwyższej frekwencji jesteśmy

w stanie, w sensie ilościowym, odzwierciedlić 95% komunikacji przebiegającej na piśmie,

operowanie zaś leksykonem 1000 najczęściej używanych słów pozwala oddać 85% zjawisk

przebiegających w komunikacji ustnej (Davies 2006: VII). Takie zawężenie leksykonu

podyktowane jest zarówno możliwościami finansowymi, jak i technicznymi- sprawne

i szybkie gromadzenie interesujących badacza danych pociąga za sobą koszty proporcjonalne

zarówno do wielkości korpusu poddawanego analizie, jak i stopnia reprezentatywności

względem całości leksykonu danego języka. Pozyskiwanie i obróbka danych już na 85%

poziomie reprezentatywności w przypadku analiz wykonywanych ręcznie (nie maszynowo,

przy pomocy dedykowanego oprogramowania) jest przedsięwzięciem wystarczająco

mozolnym, aby istotnie angażować możliwości jednostkowego badacza.

§3. Problematyka społeczno-kulturowego podłoża komunikacji międzyludzkiej wymaga

odpowiedzi na pytanie, jak język łączy się ze światem ludzkiego doświadczenia. „Kultura

danej społeczności składa się z powszechnie respektowanych w owej społeczności przekonań

7 [Online:] Protokół dostępu: http://korpus.pwn.pl/stslow.php, [dostęp: 15.04.2013].

normatywnych, wyrażających pozytywne wartości-cele działań oraz z przekonań

dyrektywnych wskazujących działania wystarczające lub/i niezbędne (w określonych,

podawanych przez nie okolicznościach) dla realizacji owych celów. Przekonania owe

układają się tedy w sposób „naturalny” w pary typu: <przekonania normatywne, przekonania

dyrektywne> czy- krócej - <norma, dyrektywa>” (Kmita 1995: 271).

Kulturą danej społeczności może więc być nazwany „(…) układ szeregu powiązanych ze

sobą różnorakich kompleksów przekonań respektowanych (raczej milcząco niż świadomie

akceptowanych) powszechnie w owej społeczności i dających się wyrazić za pośrednictwem

zdań normatywnych oraz zdań dyrektywnych” (Kmita, ibid.: 94). Respektowane przez

poszczególne jednostki normy kulturowe „ukierunkowują” odpowiednie ich działania

(włączając operacje myślowe), a więc określają wartości-cele tych działań. Dyrektywy

kulturowe z kolei wskazują te działania, które powinny zostać podjęte jako środki realizacji

wyznaczonych celów (Kmita, ibid.: 94). Tak zdefiniowana kultura zawiera w sobie

obowiązujące jednostkę ramy (założenia) racjonalności. Są one spełnione (a jednostka

zachowuje status racjonalnej) w sytuacji, w której obrane przez jednostkę, zgodne z normą

kulturową cele osiągane są poprzez działania wyznaczone przez związane z tym celem

(przypisane mu) dyrektywy kulturowe (Kmita, ibid.: 97).

Istotnym dla badacza jest więc kwestia z jednej strony powiązania pomiędzy słowami,

a treściami, do których odsyłają. „Słowa- pamiętajmy, że idzie tu nie tyle o słowa literalnie,

ile o metaforycznie przez nie reprezentowane: pewne ich złożenia, zachowania werbalne, akty

mowy, język itd. – łączą się ze światem najpierw semantycznie” (Kmita, ibid.: 208-209).

Łączenie się <słów> ze światem uskuteczniające się za sprawą semantyki wewnętrznej języka

wspólnotowego (a taki rodzaj języka i semantyki rozważa niniejsze opracowanie)

przedstawiałoby się w sposób następujący: „Po pierwsze, jednostki ludzkie zdolne do

posługiwania się określonym językiem wspólnotowym <podkładają> pod pewne <słowa>

swoje <bezpośrednie dane>, które przy klasycznym rozumieniu ich można traktować jako

skutki czy inaczej rozumiane <reprezentacje> czegoś zwykle nie związanego z językiem,

(…)skutki pobudzeń zakończeń ludzkiego systemu nerwowego przez coś przeważnie

pozawerbalnego. Po drugie, pewne z założeń wewnątrz-semantycznych odniesień

przedmiotowych (potencjalnych czy stałych ich ośrodków) mają postać stwierdzeń

prawdopodobnych czy nawet praw – ustalających niekiedy związki przyczynowe pomiędzy

czymś pozawerbalnym a użyciem <słów>. Obydwie okoliczności stanowią niezłą podstawę

do tego, aby utrzymywać, że dyrektywy odniesienia przedmiotowego semantyki wewnętrznej

języka wspólnotowego łączą jednak nasze <słowa> z <całą resztą> świata, a nie tylko z

innymi naszymi <słowami>” (Kmita, ibid.: 209). „Łączą się one z nim (słowa ze światem,

przyp. autora) za pośrednictwem wypowiedzi zdaniowych (wyrażanych przez nie

przekonań), odpowiednio uzgodnionych ze sobą holistycznie, w sposób podyktowany przez

fizykalno-przyczynowe związki, dzięki którym wchodzą w interakcje z otoczeniem osób

wygłaszających te wypowiedzi; związki owe tak zostały obmyślone, aby ich aplikacja, w

szczególności do działań werbalnych, była użyteczna, między in. użyteczna technologicznie”

(Kmita, ibid.: 235).

§4. Określona wykładnia osadzenia języka w świecie - ze względu na charakter artykułu

wybiórcza i skrótowa - jest niezbędna, aby w ogóle móc wskazać płaszczyznę przełożenia

badań językoznawczych na praktykę, np. socjologiczną czy marketingową. Termin

„praktyka” odnosi się do próby zrozumienia manifestujących się w języku struktur

porządkujących rzeczywistość społeczną oraz zastosowania owej wiedzy, czy to w postaci

uporządkowanej wizji badanego wycinka świata, czy też np. w celu tworzenia strategii

i wdrażania kampanii społecznych czy rynkowych. Nie należy jednak zapominać, iż

płaszczyznę języka naturalnego cechuje wysoki poziomem ogólności. W związku z tym,

w przypadku określonych praktyk socjologicznych lub rynkowych konieczna może się okazać

pogłębiona specyfikacja określonych dysursów.

Z jednej strony więc, zidentyfikowaliśmy potrzebę badań nad językiem w określonym

kontekście (aktualność, potoczność, dyskurs) oraz zaproponowaliśmy wykładnię łączliwości

słów ze światem (kultura, doświadczenie). Z drugiej zaś strony- zasygnalizowaliśmy metodę

obróbki tekstów reprezentujących daną kulturę i dyskursów prowadzonych w jej obrębie

(reprezentacja przez frekwencję). Założenie proponowanej metody (wyrastające z ogólnej

tezy mówiącej, iż znaczenie słowa wynika z jego użycia w określonym kontekście) jest

następujące: miarą roli i znaczenia słowa w korpusie jest częstotliwość jego występowania

wraz z towarzyszącymi mu innymi, poszczególnymi słowami.

Tak więc to, co ważne w odniesieniu do danego słowa, co dane słowo charakteryzuje jest

tym, co najczęściej się w jego obecności pojawia i powtarza, wiąże się z nim zasadzie

współobecności (styczności). Istotą niniejszej analizy frekwencyjnej jest więc identyfikacja

(indeksowanie) częstości określonych relacji syntagmatycznych w taki sposób, aby poprzez

wydobycie najczęściej występujących połączeń słowa z innymi słowami wydobyć

zestawienia najpowszechniej dane słowo desygnujące. Należy jednak mieć na uwadze, iż tak

sformułowane kryterium identyfikowania znaczenia, czyli kryterium

powszechności/frekwencji, aby mogło być traktowane jako reprezentatywne względem

obranej społeczności językowej (dyskursu) wymagać może skali korpusu tekstu analogicznie

do warunków, których spełnienie jest wymagane podczas tworzenie reprezentatywnych

słowników frekwencyjnych. Oznacza to, iż wyciąganie daleko idących wniosków

z wyrywkowych, niewielkich objętościowo próbek tekstu w przypadku proponowanej metody

nie jest możliwe.

Operując w obrębie danego korpusu, zestawienie słowa z innymi słowami i ich

frekwencyjne indeksowanie/porządkowanie ma więc na celu identyfikację kombinacji,

w których dane słowo występuje wraz z określeniem ich częstości występowania. Aby nadać

niniejszej analizie frekwencyjnej systematyczny charakter, badane słowo zestawiane jest

kolejno z listą słów zawierających się w określonym zbiorze, np. z wybranym zbiorem

zawierającym określoną część mowy. Kombinacji słowa z innym słowem (ewentualnie, słowa

ze zbiorem słów, tudzież określonego zbioru słów z innymi zbiorami słów), ze względu na

charakteryzującą jej tworzenie relację frekwencja-znaczenie, przydzielono termin: „freksem”.

„Freksem” jest pojęciem o tyle odmiennym od konwencjonalnie rozumianego związku

frazeologicznego, iż przypisany jest wyłącznie do określonego korpusu, w którym ponadto

daje się on wyodrębniać i klasyfikować na zasadach określonych przez badacza (bardziej

szczegółowa charakterystyka freksemu w dalszej części artykułu).

Prezentowaną metodę obrazuje poniższy przykład.

Słowo kluczowe: CZAS.

Zbiór dopełniający: lista frekwencyjna 100 najczęstszych rzeczowników w języku polskim.

(Kurcz, Lewicki, Sambor, Szafran, Woronczak, ibid.: 802-810)

Korpus źródłowy: katalog stron www zindeksowany wyszukiwarką Microsoft BING, język

wyszukiwania: polski, wyłączony filtr Safe Search (treści szkodliwe dla niepełnoletnich),

szerokość wyszukiwania: na stronie, otwarte kryterium wyszukiwania, format dokumentu:

dowolny.

Formy hasłowe: formy podstawowe leksemów, mianownik.

Raport z analizy: lista rangowa 30 najczęstszych freksemów.

Zaprezentowany przykład ma na celu przybliżenie charakterystyki metodologicznej

prowadzonej analizy frekwencyjnej, stąd widoczne uproszczenie formy badania. Aby

sprofilować analizę pod kątem okreslonych przez badacza kryteriów, tudzież dostosować jej

selektywność i reprezentatywność dla danego korpusu, słowo wyjściowe należałoby poddać

frekwencyjnemu skojarzeniu z elementami zbioru towarzyszącego w formach, w jakich

występuje ono w danym języku naturalnym. W powyższym przykładzie słowo CZAS

zestawiane mogłoby być osobno z każdym elementem zbioru dopełniającego kolejno

w formie odmienionej przez przypadki i liczbę. Analogicznie, gdyby słowem kluczowym był

przymiotnik, możliwa byłaby jego analiza frekwencyjna w formach wynikających z odmiany

przez przypadek, rodzaj i liczbę (ta sama zasada dotyczy elementów zbioru dopełniającego).

Korpus źródłowy mógłby zostać sprofilowany według obranych kryteriów, np. ściśle

określony stopień sąsiadowania wyszukiwanych wyrazów (szerokość odstępu, prawa/lewa

strona współwystępowania). Zbiór dopełniający może mieć sklad i być podzielony na

kategorie, których granice wyznacza zasób słów wystepujących w danym języku naturalnym

oraz liczba wyodrębnionych kategorii (gramatycznych, semantycznych, tematycznych, etc.).

Proponowana metoda analizy frekwencyjnej służyć może odpowiedzi na pytania

wynikające z potrzeby rozumienia znaczeń zawartych w pojęciach. Dotyczy to zarówno

poszukiwania znaczeń stojących za pojęciami, jak również wynika z chęci dotarcia do istoty

konwencji komunikacyjnych charakteryzujących wspólnoty tworzące określony tekst (język,

zbiór tekstów, dyskurs, etc.). Jest więc również próbą sformułowania językowego lub

dyskursywnego obrazu słowa, które w określonym kontekście łączy się z innymi słowami

w określony sposób i z określoną częstotliwością. Jest to więc, biorąc pod uwagę

sygnalizowaną wcześniej problematykę łączliwości słów ze światem, z jednej strony próba

odtworzenia struktury doświadczenia użytkowników języka (uczestników dyskursu)

w obrębie danej rzeczy lub pojęcia (słowo jako predykat), z drugiej zaś jest wglądem w

sposób funkcjonowania i przedstawiania owego pojęcia przez daną wspólnotę językową

(komunikacyjną). Tak, jak rozumienie jest zawsze kwestią relacji podmiotu do pojęcia

(świadomości do przedmiotu rozumienia, umysłu do fragmentu rzeczywistości; Czernawska

2002: 116), znaczenie pojęcia odzwierciedlone jest jego użyciem w określonym kontekście,

czyli relacją z innymi pojęciami. Należy więc zdawać sobie sprawę, iż jeśli językowa analiza

frekwencyjna wskazuje na znaczenie pojęcia poprzez rozkład rangowy zidentyfikowanych na

jego bazie freksemów, czyni to w sposób otwierający szerokie możliwości badawcze

i interpretacyjne. Teoretycznie, słowo kluczowe może być w danym korpusie analizowane

pod kątem jego łączliwości ze wszystkimi interesującymi badacza dziedzinami wiedzy

i doświadczenia. Dotyczy to zwłaszcza dużych korpusów danych językowych - wydobycie

frekwencyjnego obrazu słowa możliwe jest na tak wiele sposobów i przy pomocy tak różnych

heurystyk, że konkluzywne formułowanie zapytań jest głównie kwestią potrzeb i możliwości

badacza oraz stopnia uściślenia przedmiotu badań.

§5. Proponowana tutaj metoda analizy frekwencyjnej umożliwia realizację szeregu

potencjalnych celów. Obok zasygnalizowanego powyżej ogólnojęzykowego obrazu słowa,

warto wskazać na takie aspekty analiz, jak badania porównawcze w obrębie różnych języków

naturalnych oraz diachroniczny i dyskursywny wymiar słowa.

Badania porównawcze słowa CZAS/TIME dla dwóch języków naturalnych, polskiego

i angielskiego, po wyodrębnieniu zbiorów dopełniających (np. najczęstszych czasowników,

przymiotników, wybranych tematów typu: kolory, kształty, emocje, dyscypliny sportu, etc.)

i zestawieniu list rangowych powstałych freksemów dawać może wgląd w kolejność i stopień

łączliwości słowa kluczowego ze słowami ze zbiorów dopełniających. Ponadto, może

obrazować proporcje, w których słowo kluczowe występuje w zestawianych korpusach w

połączeniu ze wspólnie obranymi elementami (słowami) dopełniającymi.

0

500000000

1E+09

1,5E+09

2E+09

time + color

07.11.2012

0 1000000 2000000 3000000 4000000 5000000

czas + kolor

07.11.2012

Serie1

W powyższym przykładzie prostego porównawczego badania frekwencji istotna jest nie

tyle bezwzględna liczba zidentyfikowanych wystąpień freksemów (katalog stron www.

zapisanych w języku angielskim jest obszerniejszy, niż katalog stron w języku polskim, stąd

różnice w bezwzględnej liczbie wystąpień), co ich kolejność i proporcje liczbowe. Na

podstawie wykonanej próby można powiedzieć, że użytkowników języka angielskiego

cechuje podobny do użytkowników języka polskiego wzorzec łączliwości pomiędzy słowem

CZAS a kolorami: czarny, biały, czerwony i niebielski, częściej zaś łączą oni słowo CZAS z

kolorem zielonym, a użytkownicy języka polskiego z kolorem złotym (porównanie

freksemów na pozycji nr 4). Stosunkowo duże dysproporcje zachodzą pomiędzy częstością

freksemów „CZAS+CZARNY” i „CZAS+FIOLETOWY/PURPUROWY”; po

przeanalizowaniu szczegółowych danych liczbowych okazuje się, że dla języka angielskiego

jest to różnica odpowiednio ok. 5 i 10 razy częstszego udziału, podczas gdy dla języka

polskiego różnica jest o dwa rzędy wielkości większa (ok. 50 i 100 razy wyższa frekwencja

złożenia słowa kluczowego CZAS z dopełnieniem „czarny”, niż „fioletowy” i „purpurowy”).

Diachroniczny wymiar obrazu słowa jest pochodną zmian, jakim podlegają słowa

w obrębie każdego języka naturalnego będącego aktualnie w użytku. Na dzień dzisiejszy

trudno stwierdzić, jaka częstotliwość i głębia badań frekwencyjnych jest wskazana w

przypadku rekonstrukcji diachronicznego obrazu słowa. Jest to problem o tyle złożony, iż

uchwycenie prawidłowości (np. kowariancji) pomiędzy znajdującymi się w korpusie słowami

wymaga w przypadku katalogu stron www. cyklicznego przetwarzania dużych ilości danych,

skazując badacza bądź na wysokie koszty, lub też wymuszając określone przybliżenie

wynikające z wielkości (limitu) pobieranej próby.

Dyskursywny wymiar obrazu słowa uwidacznia się podczas analiz zbiorów freksemów

budowanych na podstawie dopełniających słowo kluczowe list tematycznych.

Powyższy przykład jest zarówno zobrazowaniem wymiary dyskursywnego (tematycznego),

jak i wskazówką kierunku, w którym może zmierzać badanie frekwencyjne. Freksem o

najwyższej randze w jednym badaniu obierany jest jako fraza kluczowa, według której

wykonywane jest następne badanie frekwencji, tym razem w oparciu o kolejny zbiór

dopełniający. Należy przy okazji zaznaczyć, że „czas wolny” rozpatrywany jest tutaj jako

losowo (freksem o nawyższej randze) wybrany element analizy frekwencyjnej. Skojarzenie z

ugruntowaną w języku polskim kolokacją dotyczącą sposobu funkcjonowania pojęcia czasu,

choć niejako automatycznie się narzucające, powinno być traktowane raczej jako wskazówka,

aniżeli finalny produkt „rozumowania” kierującego się specyficzną logiką. Raz jeszcze należy

podkreślić, że zamieszczone przykłady zostały zaprezentowane przede wszystkim jako

0

10000000

wo

lny

własn

y

lep

szy

zwo

lnio

ny

cho

ry

bez

pie

czn

y

zad

ow

olo

ny

od

po

wie

dzi

aln

y

słab

y

dzi

wn

y

pew

ny

po

pu

larn

y

szczę�liw

y

spo

kojn

y

win

ny

zobowiąza

ny

wyg

od

ny

du

mn

y

żywy

smu

tny

czas + emocje (20 mcf)

20.10.2012

0

200000

400000

600000

"czas wolny" + dyscypliny sportu (15 mcf)

20.10.2012

0

2000000

"czas wolny" + jedzenie (15 mcf)

20.10.2012

niekonkluzywna pragmalingwistycznie egzemplifikacja podstawowych aspektów obranej

metody badań.

§6. Wobec zawartych jak dotąd rozważań, szereg istotnych uwag na temat pojęcia

„freksemu”. Jako podstawową jednostkę proponowanej metody analizy frekwencyjnej,

freksem charakteryzują implikowane przez metodę własności. Wyróżnić można m.in. takie

cechy freksemu, jak: pochodzenie, ranga, reprezentatywność, zwartość, synchro-

i diachroniczność oraz trend.

Pochodzenie freksemu wynika z korpusu tekstu, w którym jest on identyfikowany.

Podczas, gdy ogólne słowniki frekwencyjne wskazują na popularność słowa w danym języku

naturalnym, dane freksemu zależą wyłącznie od zawartości badanego tekstu. Tekst ten równie

dobrze może być zamkniętym zbiorem słów reprezentatywnych dla danego języka, jak

również stanowić pochodną otwartego na zmiany w procesie komunikacji, bardziej

szczegółowo wyodrębnionego dyskursu prowadzonego w obrębie określonej grupy

uczestników. Może on pochodzić z publikacji istniejących fizycznie (książki, czasopisma,

gazety, etc.), jak i ze źródeł internetowych (katalog www. stron ogólnych, ale też wszelkich

wyodrębnionych formalnie, tudzież poddających się segmentacji dyskursów typu: grupy i fora

dyskusyjne, portale informacyjne, podzbiory przypisane określonym adresom www., portale

społecznościowe, etc.). Tekst stanowiący o pochodzeniu freksemu może istnieć w formie

pisemnej, bądź ustnej. Wreszcie, może on być profilowany terytorialnie (segment przypisany

do określonej przestrzeni/regionu).

Ranga (powszechność) odpowiada miejscu freksemu na rangowej (uporządkowanej w

stosie malejącym/rosnącym) liście frekwencyjnej i bezpośrednio wynika z porównania liczby

wystąpień danego freksemu z częstością innych, należących do odpowiadającej mu kategorii

freksemów. Reprezentatywność freksemu jest pojęciem o pewnym stopniu umowności i jest

kwestią miar przyjętych przez badacza. Jeżeli przyjmie się poczynione na początku artykułu

założenia o skali reprezentatywności leksykonu o określonej objętości dla komunikacji

przebiegającej w danym języku naturalnym, freksem mający źródło w zbiorze dopełniającym

składającym się ze 100 przymiotników będzie się cechował inną reprezentatywnością, niż

freksem określany na podstawie zbioru 1000 przymiotników; ten drugi będzie po prostu

bardziej reprezentatywny dla danego tekstu (choć w istocie może się zdarzyć, że w danym

korpusie jego obecność nie zostanie zidentyfikowana, co jednak również może być dla

badacza konkretną informacją).

Zwartość freksemu wynika z bliskości słowa kluczowego z elementami zbioru

dopełniającego. „Freksem ścisły” będzie złożeniem, w którym sąsiedztwo poszukiwanych

połączeń jest nierozdzielone innym słowem, „luźny” zaś w przypadku braku bezpośredniej

styczności. Zwartość freksemu jest więc kwestią stopnia i miary, ale przede wszystkim

potrzeb badacza, który decydując o poziomie zwartości poszukiwać może różnego rodzaju

relacji syntagmatycznych; wszak treści komunikowane wokół danego pojęcia mogą być w

tekście rozproszone w stopniu początkowo trudnym do przewidzenia, a zatem poszukiwanie

wyłącznie freksemów ścisłych (na podobieństwo kolokacji) może pomijać znajdujące się w

tekście relacje. Duże korpusy tekstów (np. liczone w milionach czy miliardach stron katalogi

stron www.) mogą umożliwiać statystycznie wartościowe porównania freksemów złożonych

z tych samych elementów (słów), jednak o różnej zwartości.

Synchro- i diachroniczność freksemu to charakteryzujący go parametr dynamiki czasowej.

„Freksem synchroniczny” opisuje relacje łączliwości występujące w korpusie w momencie

pobierania próby frekwencji. Analogicznie, „freksem diachroniczny” to jednostka analizy

frekwencyjnej o powtarzalnym, cyklicznym charakterze; ma to znaczenie w przypadku, kiedy

badacza interesuje zmienność występowania danego freksemu w czasie. Jest to szczególnie

interesujące biorąc pod uwagę zjawisko „starzenia się” i „odradzania” języka, któremu

towarzyszą rozmaite zmiany formalne, następuje zanik użycia wybranych form leksykalnych

i zastępowanie ich przez dotychczas rzadziej używane słowa, a także pojawianie się zupełnie

nowych słów. Wymiar diachroniczny jest ważny również w obliczu dynamicznego przyrostu

wolumenu treści komunikacji przebiegającej w Internecie. Chęć śledzenia wybranych zjawisk

komunikacyjnych oraz dyskursów mających miejsce w obrębie określonych grup społecznych

pod kątem ich zmienności również implikuje potrzebę diachronicznego spojrzenia na

omawianą problematykę.

Trend freksemu jest bezpośrednią pochodną wymiary diachronicznego; porównanie

częstości wystapień freksemu w odniesieniu do źródłowego zbioru dopełniającego słowo

kluczowe pozwala „kreślić” linię popularności określonych relacji leksykalnych w badanym

korpusie/dyskursie. Trend będzie więc cechować względny wzrost, spadek lub równowaga.

§7. Na koniec rozważań na temat autorskiej propozycji językowej analizy frekwencyjnej

kilka refleksji skierowanych w stronę badań rynkowych. „Ażeby odkryć związki jakiegoś

przedmiotu z innymi przedmiotami musimy mieć o nim ogólne pojęcie i rozważać go

z różnych punktów widzenia. Musimy go umiejscowić i określić jego położenie w ogólnym

układzie.” (Cassirer 1998: 98). Aby więc odkryć świadomość związków danego przedmiotu

z innymi przedmiotami, musimy go umiejscowić i określić jego położenie w układzie

będącym środowiskiem owej świadomości. Środowiskiem tym jest dla człowieka język

i mowa, czyli system komunikacji. Przedmiotowi zaś odpowiada nazwa, której daje się

przypisać adekwatny obraz oraz określoną definicję. Tak przedstawiona nazwa, czy to pod

postacią słowa mówionego lub też pisanego, jest nośnikiem określonej wiązki znaczeń. Jeżeli

więc słowo desygnuje odpowiadający sobie przedmiot, a znaczenia z nim związane są kwestią

kulturowo, a więc i językowo uwarunkowanej konwencji, wgląd w znaczenie opisywanego

przez słowo przedmiotu stanowi jednocześnie przesłankę wglądu w postawy użytkowników

danego języka (uczestników danego dyskursu) względem tego przedmiotu. Będzie to wgląd

uśredniony i umasowiony, wydobywający wspólny mianownik rozumienia przedmiotu przez

„omawiających” go rozmówców (stereotyp). Wydobycie treści akcentowanych przez

zaangażowanych w komunikację stoi w samym centrum uwagi badacza zachowań

konsumentów - jego celem jest wszak identyfikacja najczęściej manifestujących się postaw,

a więc również potrzeb i preferencji związanych z rynkowo rozumianym przedmiotem, czyli

z produktem.

Model zachowań konsumenta czerpiący z powyższych założeń względem kultury bierze

więc pod uwagę aspekt językowy, gdyż zjawisko konsumpcji, której częścią jest proces

decyzyjny, zawiera w sobie wymiar normatywny (wartości) oraz dyrektywny (instrukcje),

które z kolei znajdują swoje reprezentacje w sferze komunikacji. Zarówno zmiany

systemowe i obyczajowe, jak też postęp technologiczny oraz transfer i dyfuzja innowacji

wymuszają na podmiotach rynkowych specyficzne dostosowania do obowiązujących

uwarunkowań kulturowych (Mooij, Hofstede 2010: 85). W związku z tym coraz ważniejsze

okazują się próby zrozumienia kultury jako czynnika determinującego zachowania

konsumentów. Problematyka ta jest o tyle istotna, o ile przewidywana w związku z

globalizacją homogenizacja potrzeb, gustów i preferencji konsumentów ściera się z tendencją

do przejawiania przez nich zachowań typowych dla specyficznie ukształtowanych, lokalnych

wzorów kulturowych (Mooij 2010: 103). W związku z powyższym, językowe badania

frekwencyjne wykorzystane być mogą do identyfikacji tych cech przedmiotu/produktu, które

są werbalizowane w tekstach kultury oraz wyrażane (często wprost i spontanicznie, np.

w dyskusjach internetowych) przez samych konsumentów. Pośrednio dotyka to też kwestii:

co same produkty oraz w jaki sposób „mówią” o sobie (np. reklama, opisy charakterystyki lub

funkcji, etc.). Zagadnieniem mogącym przybliżyć odpowiedzi na powyższe pytania jest

pochodna problematyce kategoryzacji naturalnej kwestia identyfikowania prototypów

(Kardela 1990: 27; por.: Kajfosz 2001: 40-41).

Potrzeba wydobycia (odtworzenia) prototypu w badaniach nad zachowaniami

konsumentów odpowiada sposobowi postrzegania przez konsumenta przedmiotów, czyli

w tym przypadku produktów znajdujących się na rynku. Konsument podejmuje swoje decyzje

w dużej mierze w oparciu o kategoryzację naturalną i znaczeniowy obraz słowa (Tokarski

1999: 10). Wynika to z dostępu konsumentów głównie do potocznego, a nie naukowego

obrazu świata. Rzecz jasna, kategorie logiczne również są obecne i brane pod uwagę

w procesie konsumpcji, jednakże trudno większości konsumentów przypisywać tendencję do

poszukiwania informacji o produktach i ich definiowania w sposób naukowy (Falkowski,

Tyszka 2006: 115-121; por.: Maison 2010: 37). W związku z tym, kompetencje służące

podejmowaniu konkretnych decyzji oparte są o wartości co najwyżej przybliżone, nabyte

w procesie asymilacji wiedzy potocznej, z czym związana jest z tym m.in. kwestia wartości

symbolicznej produktów, wynikająca z określonego kontekstu kulturowego (Paprocki 2011:

64-65). Wynika to z aksjologicznego charakteru językowego obrazu świata (Kajfosz 2001:

45), czyli faktu, iż świat/rynek jest dla konsumenta przeniknięty określonymi wartościami,

a znajdujące się w nim przedmioty/produkty nie są mu obojętne. Można więc mówić

o emocjonalnym komponencie towarzyszącym kontaktom konsumentów z produktami.

Komponent ten poprzedzałby więc zawsze fazę konsumpcji w sensie przedteoretycznego

(względem poszczególnych konsumentów) porządku znaczeniowego, typowego dla danego

obszaru kultury i języka. Nie w pełni uświadomiony charakter „językowego obrazu rynku”

i „językowego obrazu produktu” z jednej strony stanowiłby o sile kształtującej jego normy

i wartości oraz towarzyszące im dyrektywy. Z drugiej strony zaś, dla badaczy rynku owa

aksjologiczna specyfika byłaby wyzwaniem, którego podjęcie w postaci identyfikacji cech

szczególnych przedmiotów przybliżałoby możliwość modelowania produktów w oparciu

o ich kulturowo uwarunkowane prototypy. W tym przypadku, należałoby podjąć badania

segmentacyjne uwzględniające LAF (lingwistyczną analizę frekwencyjną) jako narzędzie

diagnostyczne służące rekonstrukcji wzorów i wzorców konspmpcji w obrębie grup

konsumentów rozumianych jako wyodrębnione dyskursy i grupy komunikacyjne.

§8. Zmiana w polu znaczenia jednego słowa może mieć wymierne skutki: może wpływać na

znaczenie innego słowa. To z kolei pociągnie za sobą zmianę w znaczeniu słowa, lub słów

pozostających w bezpośrednim związku ze słowem (tudzież będących w mniej ścisłej z nim

relacji styczności), którego semantyczna transformacja zapoczątkowała łańcuch przemian.

Przemianom tym mogą odpowiadać rozmaite zmiany w świecie fizycznym, tudzież mogą być

one pochodną zmian w sferze kultury, świecie aktywności naukowej, twórczości artystycznej,

wierzeń religijnych, rzeczywistości rynkowej, etc. Opisane zjawiska przebiegać mogą na

zasadzie efektu motyla, bądź też prostych związków przyczynowo-skutkowych. Mogą być

również efektem trudnych do zlokalizowania i zidentyfikowania sprzężeń w wymienionych

sferach. Prędzej czy później jednak, niezależnie od przyczyn i kierunku ich przebiegu,

zjawiska te znajdują odzwierciedlenie w postaci mniej lub bardziej subtelnych zmian w sferze

językowej. Zaprezentowana w artykule perspektywa językowych badań statystycznych,

uwzględniając postęp dokonujący się na polu technologii informacyjnej, ma na celu

strukturalne uporządkowanie zjawisk przebiegających w komunikacji językowej oraz

systematyczne monitorowanie zmian zachodzących w określonych wycinkach niezmiernie

złożonej sieci międzyludzkiej komunikacji.

RESUME

The article gives account of current developments in the field of corpus linguistics in Poland

in short comparison with contemporary research conducted in the following field both in

Britain and USA. Combining pragmalinguistic analysis of narrative text with frequency

dictionaries and IT technologies, the author presents the original model of semiotic and

market research. The aim of technology presented is to retrace communication habits and

derive stereotypes in order to reconstruct the linguistic view of the world. According to most

recent needs for inclusion of social-cultural context into the linguistic research, the emphasis

is placed on the discursive view of the world and further reconstruction of the discursive

views of words, brands and products. Communication behaviour displayed both in electronic

and traditional forms is traced down to support semiotic and market analysis, enabling

comparative research between and among users of different natural languages. The paper

introduces and explains a newly coined term freqsem, referred to as a basic unit in technology

of linguistic frequency analysis.

Literatura:

1. Batorski D., [Online].

www.stat.gov.pl/cps/rde/xbcr/gus/PTS_Dwie_Polski_D_Batorski.pdf. Protokół

dostępu: [15.04.2013],

2. Cassirer E., 1998, Esej o człowieku, Wstęp do filozofii kultury, Warszawa, s 98.

3. Czernawska M. M., 2002, Kilka uwag o pojęciu rozumienia. - Czynności tworzenia

i rozumienia wypowiedzi, red. J. Porayski-Pomsta, Warszawa, s 116.

4. Davies M., 2006, A frequency dictionary of Spanish, New York, s. VII.

5. http://corpus.byu.edu/coca/. [Online]. Protokół dostępu [15.04.2013].

6. http://googlebooks.byu.edu/?x=3503486&c=us. [Online]. Protokół dostępu:

[15.04.2013].

7. http://www.internetworldstats.com/stats.htm; [Online]. Protokół dostępu:

[15.04.2013].

8. http://korpus.pwn.pl/stslow.php, Lista 200 najczęstszych leksemów w języku polskim,

[Online]. Protokół dostępu: [15.04.2013].

9. http://oxforddictionaries.com/words/about-the-oxford-english-corpus. [Online].

Protokół dostępu [15.04.2013].

10. http://webhosting.pl/Co.sie.dzialo.w.Internecie.w.2010.roku. [Online]. Protokół

dostępu: [15.04.2013].

11. Falkowski A., Tyszka T., 2006, Psychologia zachowań konsumenckich, Gdańsk,

s 115-121.

12. Kajfosz J., 2001, Językowy obraz świata w etnokulturze Śląska Cieszyńskiego, Czeski

Cieszyn, s. 40-45.

13. Kajfosz J., 2009, Magia w potocznej narracji, Katowice, s. 7-9.

14. Kardela H., 1990, Ogdena i Richardsa trójkąt uzupełniony, czyli co bada gramatyka

kognitywna, - Językowy obraz świata, Lublin, s. 27.

15. Kmita J, 1995, Jak słowa łączą się ze światem, Poznań, s. 94-235.

16. Kurcz I, Lewicki A, Sambor J, Szafran K., Woronczak J., 1990, Słownik

frekwencyjny polszczyzny współczesnej, Kraków, s. VIII-810.

17. Maison D., 2010, Jakościowe metody badań marketingowych, Warszawa, s. 37.

18. Mooij de, M, 2010, The future is predictable for international marketers, -

International Marketing Review, Bradford, s. 103.

19. Mooij de, M., Hofstede G, 2010 The Hofstede model. Applications to global branding

and advertising strategy and research., - International Journal of Advertising,

Oxfordshire, s. 85.

20. Paprocki R., 2011, Badania Motywacyjne Ernesta Dichtera - geneza, istota,

aktualność, - Zeszyty Naukowe Towarzystwa Doktorantów UJ, 3, Kraków, s. 64-65.

21. Pawłowski A., 1999, Metodologiczne podstawy wykorzystania słowników

frekwencyjnych w badaniu językowego obrazu świata, - Przeszłość w językowym

obrazie świata, red. A. Pajdzińska, P. Krzyżanowski, Lublin, s. 82-83.

22. Szymański J., Błaszczyk K., Chełmecki A., 2007, Rozwiązywanie dysambiguacji za

pomocą lingwistycznej sieci semantycznych relacji leksykalnych na przykładzie

systemu WordNet, Toruń, s. 1-6.

23. Tokarski R., 1999, Przeszłość i współczesność w językowym obrazie świata.

Metodologiczne pytania i propozycje, - Przeszłość w językowym obrazie świata, red.

A. Pajdzińska, P. Krzyżanowski, Lublin, s. 10.